A continuación se presenta un resumen estadístico para la estación pluviográfica de interés.
| Name | Piped data |
| Number of rows | 343 |
| Number of columns | 3 |
| _______________________ | |
| Column type frequency: | |
| numeric | 1 |
| ________________________ | |
| Group variables | Mes |
Variable type: numeric
| skim_variable | Mes | n_missing | complete_rate | mean | sd | p0 | p25 | p50 | p75 | p100 | hist |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Lluvia | enero | 0 | 1 | 1.63 | 4.57 | 0 | 0.00 | 0.00 | 0.13 | 21.08 | ▇▁▁▁▁ |
| Lluvia | febrero | 0 | 1 | 3.40 | 8.82 | 0 | 0.00 | 0.00 | 1.02 | 29.97 | ▇▁▁▁▁ |
| Lluvia | marzo | 0 | 1 | 2.47 | 7.45 | 0 | 0.00 | 0.00 | 0.89 | 40.13 | ▇▁▁▁▁ |
| Lluvia | abril | 0 | 1 | 7.12 | 9.90 | 0 | 0.51 | 4.70 | 9.78 | 44.20 | ▇▂▁▁▁ |
| Lluvia | mayo | 0 | 1 | 6.71 | 12.86 | 0 | 0.00 | 0.51 | 6.86 | 59.94 | ▇▁▁▁▁ |
| Lluvia | junio | 0 | 1 | 6.85 | 9.40 | 0 | 0.25 | 3.30 | 9.27 | 40.64 | ▇▁▂▁▁ |
| Lluvia | julio | 0 | 1 | 12.95 | 15.38 | 0 | 0.38 | 7.11 | 16.26 | 50.55 | ▇▅▁▁▂ |
| Lluvia | agosto | 0 | 1 | 9.29 | 14.50 | 0 | 0.00 | 1.27 | 13.08 | 59.44 | ▇▂▂▁▁ |
| Lluvia | septiembre | 0 | 1 | 12.51 | 16.58 | 0 | 0.32 | 5.97 | 19.43 | 68.07 | ▇▂▁▁▁ |
| Lluvia | octubre | 0 | 1 | 9.35 | 9.63 | 0 | 0.51 | 6.35 | 16.13 | 31.24 | ▇▂▂▂▁ |
| Lluvia | noviembre | 0 | 1 | 10.87 | 13.15 | 0 | 0.00 | 6.48 | 16.64 | 52.07 | ▇▂▂▁▁ |
| Lluvia | diciembre | 0 | 1 | 0.00 | 0.00 | 0 | 0.00 | 0.00 | 0.00 | 0.00 | ▁▁▇▁▁ |
Semana 16 -23 de Noviembre de 2020
Se evidenció:
Precipitación 🌧:
El municipio con la estación que presento más precipitación fue Campamento - (Oficina Territorial Tahamíes) obtuvo el registro de acumulado de lluvía para la semana más alto de toda la Jurisdicción para esta semana con una cantidad de 113 mm, su promedio histórico está en 41 mm obteniendo un incremento de 175 % de precipitación bajo el valor del promedio histórico registrado.
El municipio con la estación que presentó más precipitación fue Guadalupe - (Oficina Territorial Tahamíes), obtuvo el registro de acumulado de lluvía más alto para la semana de toda la Jurisdicción para esta semana con una cantidad de 176 mm, su promedio histórico esta en 224 mm, pero en esta estación NO sobrepaso el promedio historico semanal de este año.
En general, en la Jurisdicción llovió en promedio 42 mm respecto a los 36 mm registrados el año pasado, lo cual significa un incremento del 18%.
Caudal 〰 :
El resumen del comporatamiento de los principales puntos de medición de caudal de la Jurisdicción con variaciones entre su registro actual y el promedio histórico
Monitoreo de Calidad 💧:
Se realizaron: 40 monitoreos en la jurisdicción distribuidos así:
Citará: 26 fuentes abastecedoras monitoreadas Cartama: 3 fuentes abastecedoras monitoreadas
Fuentes Instrumentadas: 11 ( fuente dónde tenemos medición de caudal)
---
title: "Prueba Dashboard Lluvia-Nivel"
autor: "Jorge Moncayo"
date: "26/11/2020"
output:
flexdashboard::flex_dashboard:
orientation: rows
social: menu
source_code: embed
logo: piragua2.png
---
```{r setup, include=FALSE}
# Carga inicial de librerías
library(tidyverse)
library(ggplot2)
library(dygraphs)
library(plotly)
library(plyr)
library(xts)
library(flexdashboard)
library(urltools)
library(lubridate)
library(reshape2)
library(skimr)
# Función para obtener dataset de estación de lluvia
get_data = function(estacion, inicio, final){
url="https://www.piraguacorantioquia.com.co/api/precipitacion/40?date_estacion__gte=2020-11-17&date_estacion__lt=2020-11-23&downloadfile"
url2 = param_set(url, "date_estacion__gte", inicio)
url3 = param_set(url2, "date_estacion__lt", final)
gsub("40", estacion, url3)
}
# Funcion para obtener dataset de estación limnigráfica
get_data_limni = function(estacion, inicio, final){
url="https://www.piraguacorantioquia.com.co/api/nivel/1017?date_estacion__gte=2020-01-01&date_estacion__lt=2020-01-02&downloadfile"
url2 = param_set(url, "date_estacion__gte", inicio)
url3 = param_set(url2, "date_estacion__lt", final)
gsub("1017", estacion, url3)
}
# Leemos los datos
data_lluvia = read.csv(get_data("55","2020-01-01", "2020-12-09"))
# Eliminamos NA
data_lluvia = na.omit(data_lluvia)
# Convertimos a formato fecha diaria
data_lluvia$fechas = as.Date(data_lluvia$fechas)
# Acumulamos por día
dataAcumDiario = aggregate(data_lluvia["muestra"], by = data_lluvia["fechas"], sum)
# Acumulamos por mes
dataAcumMensual = dataAcumDiario
dataAcumMensual$fechas <- format(as.Date(dataAcumMensual$fechas), "%Y-%m")
dataAcumMensual2 = aggregate(dataAcumMensual["muestra"],
by = dataAcumMensual["fechas"], sum)
dataAcumMensual2$fechas = month(ym(dataAcumMensual2$fechas))
dataAcumMensual2$fechas = month.abb[dataAcumMensual2$fechas]
#### Categorización por mes
# Ordenando por mes
min_month = min(dataAcumDiario$fechas)-day(min(dataAcumDiario$fechas))+1
max_month = max(dataAcumDiario$fechas)-day(max(dataAcumDiario$fechas))+1
dataAcumDiario$group <- factor(format(dataAcumDiario$fechas, "%B"),
levels=format(seq(min_month, max_month,by="month"),
"%B"))
# Cambiando nombre a columnas de acumDiario
colnames(dataAcumDiario) = c("Fecha", "Lluvia", "Mes")
```
Reporte anual de precipitación (Estación 82-Envigado)
=======================================================================
Row
-----------------------------------------------------------------------
### Serie temporal año 2019
```{r}
p = ggplot(dataAcumDiario, aes(x = Fecha, y = Lluvia)) +
stat_smooth(color='blue') +
geom_line(colour = "#2391D0") +
labs(x = "Fecha (2019)", y = "mm de lluvia") +
theme(legend.position = "right")
ggplotly(p)
```
### Diagrama de barras para lluvia acumulada mensualmente en el año 2019
```{r}
p = ggplot(dataAcumMensual2) +
geom_bar(mapping = aes(x = reorder(fechas, -muestra),
y = muestra, fill = fechas,
color = fechas), stat = "identity") +
labs(x = "Meses", y = "Lluvia acumulada [mm]") +
scale_x_discrete(limits = c("Nov", "Mar", "Sep", "Oct", "Jul",
"Feb", "Jan", "Dec", "Jun", "Aug",
"May", "Apr"),
labels = c("Nov", "Mar", "Sep", "Oct", "Jul",
"Feb", "Ene", "Dec", "Jun", "Ago",
"May", "Abr")) +
theme(legend.position = "left") +
theme(legend.title=element_blank())
ggplotly(p)
```
Row
-----------------------------------------------------------------------
### Diagramas de cajas y bigotes de lluvia acumulada diariamente analizada mensualmente para el año 2019
```{r}
p = ggplot(dataAcumDiario) +
geom_boxplot(mapping = aes(x = Mes, y = Lluvia, fill = factor(Mes), color = Mes)) +
labs(y = "Lluvia acumulada diariamente") +
theme(legend.position = "right") +
theme(legend.title=element_blank()) +
scale_x_discrete(limits = c("enero", "febrero", "marzo", "abril", "mayo",
"junio", "julio", "agosto", "septiembre","octubre",
"noviembre", "diciembre"),
labels = c("Ene", "Feb", "Mar", "Abr", "May",
"Jun", "Jul", "Ago", "Sep", "Oct",
"Nov", "Dic"))
#theme(axis.text.x = element_text(angle = 90, hjust = 1))
ggplotly(p)
```
### Resumen estadístico mensual para el año 2019
A continuación se presenta un resumen estadístico para la estación pluviográfica de interés.
```{r}
dataAcumDiario %>%
dplyr::group_by(Mes) %>%
skim(Lluvia)
```
Reporte de lluvia y caudal semanal
=======================================================================
**Semana 16 -23 de Noviembre de 2020**
Se evidenció:
**Precipitación** 🌧:
El municipio con la estación que presento más precipitación fue **Campamento - (Oficina Territorial Tahamíes)** obtuvo el registro de acumulado de lluvía para la semana más alto de toda la Jurisdicción para esta semana con una cantidad de **113 mm**, su promedio histórico está en **41 mm** obteniendo un incremento de 175 % de precipitación bajo el valor del promedio histórico registrado.
El municipio con la estación que presentó más precipitación fue **Guadalupe - (Oficina Territorial Tahamíes)**, obtuvo el registro de acumulado de lluvía más alto para la semana de toda la Jurisdicción para esta semana con una cantidad de **176 mm**, su promedio histórico esta en **224 mm**, pero en esta estación NO sobrepaso el promedio historico semanal de este año.
En general, en la Jurisdicción llovió en promedio **42 mm** respecto a los **36 mm** registrados el año pasado, lo cual significa un incremento del 18%.
**Caudal** 〰 :
El resumen del comporatamiento de los principales puntos de medición de caudal de la Jurisdicción con variaciones entre su registro actual y el promedio histórico
**Monitoreo de Calidad** 💧:
Se realizaron: 40 monitoreos en la jurisdicción distribuidos así:
Citará: 26 fuentes abastecedoras monitoreadas
Cartama: 3 fuentes abastecedoras monitoreadas
Fuentes Instrumentadas: 11 ( fuente dónde tenemos medición de caudal)